May problema sa data ang Physical AI na hindi nakakatanggap ng sapat na pagpapansin. Ang mas mahusay na mga modelo at mas mahusay na hardware ay may limitasyon lamang kapag ang mga robot ay kailangan pa rin ng malaking dami ng data sa real-world interaction upang matutunan kung paano harapin ang iba’t ibang sitwasyon. Dito nakatanggap ng aking pansin si @axisrobotics. Ang Axis Franka Dataset ay nakakaraan na sa 160K+ downloads sa Hugging Face, na may paggamit sa akademya at industriya mula sa KAIST, Northwestern, at Tsinghua hanggang sa Yandex, Nota AI, at Vietnam Posts and Telecommunications Group. At ang susunod na bersyon ay magiging mas malawak pa: 1.2M trajectories 1,200 tasks mas malawak na atomic capabilities suporta para sa higit pang robot embodiments Ang interesante hindi lang ang pagtaas mula sa 160K hanggang sa 1.2M trajectories. Hindi lang kailangan ng mga robot ng higit pang halimbawa ng parehong aksyon. Kailangan nilang makita ang parehong pangunahing kasanayan sa iba’t ibang bagay, kapaligiran, galaw, at edge cases. Ang variasyong ito ang tumutulong sa isang modelo na lumipat mula sa “Nakita ko na ito bago” patungo sa tunay na pag-unawa kung paano gumagana ang isang gawain. Kaya kapag patuloy na lumalawak ang sakop at variasyon ng dataset, nagsisimula itong maging higit pa sa isang static na koleksyon ng mga demonstration. Naging infrastructure ito para sa pagtuturo ng susunod na henerasyon ng physical AI. Ito ang direksyon kung saan tila pinipilit ni Axis ang susunod na henerasyon ng kanyang Franka dataset. https://t.co/7yFTIktZUz